【细胞分割】基于Otsu大津法的细胞图像分割与计数系统附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、程序设计科研仿真。

🍎往期回顾关注个人主页：Matlab科研工作室

👇 关注我领取海量matlab电子书和数学建模资料

🍊个人信条：做科研，博学之、审问之、慎思之、明辨之、笃行之，是为：博学慎思，明辨笃行。

🔥 内容介绍

该项目为数字图像处理课程实践项目，基于Matlab编程实现细胞图像的自动化分割、计数与特征分析，同时完成细胞内红/绿色染色体的识别与定位，解决了细胞粘连、噪声干扰、染色体精准筛选等问题，为生物医学诊断与细胞分析提供自动化技术支撑。

项目实现了从图像预处理、细胞分割、特征提取到染色体识别的全流程自动化处理，支持细胞数量统计、单细面积/周长计算、染色体形态筛选与质心标注，代码通过多组细胞样本（cell1/cell2/cell3）测试，具备一定的鲁棒性。

项目背景

细胞图像的精准分割与计数是生物医学研究的基础环节，人工分析存在效率低、主观性强、误差大的问题，且细胞图像易存在噪声干扰、细胞粘连、染色体形态多样等难点，传统方法难以实现自动化、高精度的分析。

本项目依托数字图像处理技术，构建自动化处理系统，解决上述痛点，实现细胞与染色体的精准识别、计数和特征提取，为生物医学研究提供高效的工具支持。

数据样本展示

当前有3张细胞图像样本，图像中细胞主体显现为蓝色，细胞中存在被染成红色与绿色的染色体。展示如下：

核心功能

1. 细胞图像预处理：自定义滤波、锐化算法，实现噪声去除与边缘增强；

2. 粘连细胞分割：基于分水岭算法实现粘连细胞的精准切分，完成单个细胞区域提取；

3. 细胞特征分析：自动统计细胞数量，计算每个细胞的面积、周长并可视化标注；

4. 染色体识别计数：基于R/G颜色通道实现红/绿色染色体筛选，通过形态阈值过滤非目标区域，统计数量并标注质心坐标；

5. 结果可视化：生成细胞标签着色图、独立细胞展示窗口、染色体质心标注图，直观展示分析结果。

实验流程与核心实现

整体流程：图像读取 → 通道分离 → 预处理（去噪+锐化） → Otsu二值化 → 分水岭分割粘连细胞 → 细胞标签化与特征计算 → 染色体识别与计数 → 结果可视化

1. 图像通道分离

细胞主体为蓝色，选取B通道进行细胞分割与特征分析；细胞内红/绿色染色体分别选取R通道、G通道进行独立识别，分离不同通道以降低目标干扰。

2. 图像预处理

自定义两个核心函数实现去噪与锐化，提升图像质量，为后续分割做准备：

（1）中值滤波去噪（medfilter）

以3×3窗口遍历图像，通过计算窗口内像素中值替换中心像素，有效抑制图像噪声，保留边缘细节。

（2）自定义锐化（sharpimfilter）

定义水平/垂直方向三阶梯度核，通过卷积计算像素梯度幅值，提升图像边缘对比度，强化细胞与背景的边界特征。

3. Otsu大津法二值化

自定义Otsu函数，通过最大化类间方差选取最优阈值，实现细胞（前景）与背景的初步分割，得到二值化图像。核心思想：遍历所有可能阈值，计算不同阈值下前景/背景的类间方差，取方差最大值对应的阈值为最优阈值，提升分割的准确性。

4. 分水岭算法分割粘连细胞

针对二值化图像中细胞粘连严重的问题，通过分水岭算法（水坝分割）实现粘连细胞的精准切分，核心步骤：

1. bwareaopen：移除二值图像中面积过小的噪声区域，净化前景；

2. bwdist：距离变换，计算前景像素到最近背景的距离，生成距离灰度图；

3. imextendedmin：确定分割种子点，标记每个细胞的核心区域；

4. imimposemin：将种子点强制为距离图的局部最小值，确定分割起始点；

5. watershed：分水岭变换，基于最小值点实现细胞区域的分割，完成粘连细胞切分。

5. 细胞特征分析与计数

通过bwlabel对分割后的细胞区域进行标签化，每个细胞分配唯一标签，基于标签实现细胞数量统计与特征计算：

（1）细胞数量与面积计算

标签数即为细胞总数，每个标签下的像素点数量为对应细胞的面积，遍历所有标签统计并存储面积数据至S_list。

（2）细胞周长计算

通过8邻域检测判断细胞边界像素：若某像素为细胞区域，且其8邻域存在背景像素，则判定为边界像素，统计所有边界像素数量即为细胞周长，结果存储至C_list。

（3）细胞可视化标注

生成细胞着色图与标签可视化图，在图像中标注细胞编号、面积、周长，并实现独立细胞展示窗口：自动根据细胞数量创建窗口（每页9个细胞），提取单个细胞区域并展示其面积、周长信息。

6. 红/绿色染色体识别与计数

针对R/G通道的染色体图像，重复预处理+Otsu二值化操作（二值化阈值在最优值基础上+50，抑制颜色扩散干扰），通过形态筛选+质心标注实现精准识别：

1. 形态筛选：利用regionprops计算连通区域的离心率（Eccentricity），设定阈值0.9，筛选接近圆形的染色体（离心率越接近0，形状越圆），剔除长条状伪目标；

2. 数量统计：遍历每个细胞标签区域，统计其中符合形态要求的红/绿色染色体数量，分别存储至R_Count、G_Count；

3. 质心标注：记录染色体的质心坐标，在原始图像上用红点（红染色体）、绿点（绿染色体）标注，并在细胞中心标注染色体数量；

4. 边缘过滤：忽略细胞区域外的染色体，仅统计细胞内的有效目标。

⛳️ 运行结果

📣 部分代码

%自定义中值滤波函数，实现图像去噪

function new_pic = medfilter(pic,n)

N=ones(n,n);

[h,w]=size(pic);

copy_pic=double(pic); %将图像信息流设为double格式

x2=copy_pic;

offset = floor(n/2);

for i = offset+1:h-offset

for j = offset+1:w-offset

% 提取当前窗口内的像素值

b = copy_pic(i-offset:i+offset, j-offset:j+offset).*N;

% 计算中位数

s = median(b,[1,2]);

% 将中位数赋给输出图像的对应位置

x2(i,j) = s;

end

end

new_pic=uint8(x2);

end

🔗 参考文献

[1]薛延学,刘敏,马思欣,等.复杂背景下基于二维OTSU和肤色分割结合的掌纹图像分割方法[J].西安理工大学学报, 2015, 31(3):7.DOI:CNKI:SUN:XALD.0.2015-03-017.

🍅更多免费数学建模和仿真教程关注领取